課程信息

99,917 次近期查看

學生職業成果

33%

完成這些課程後已開始新的職業生涯

38%

通過此課程獲得實實在在的工作福利
可分享的證書
完成後獲得證書
100% 在線
立即開始,按照自己的計劃學習。
可靈活調整截止日期
根據您的日程表重置截止日期。
中級
完成時間大約為19 小時
英語(English)
字幕:英語(English)

您將學到的內容有

  • Use the Keras Sequential and Functional APIs for simple and advanced model creation

  • Design and build a TensorFlow 2.x input data pipeline

  • Use the tf.data library to manipulate data and large datasets

  • Train, deploy, and productionalize ML models at scale with Cloud AI Platform

您將獲得的技能

Machine LearningPython ProgrammingBuild Input Data PipelineTensorflowkeras

學生職業成果

33%

完成這些課程後已開始新的職業生涯

38%

通過此課程獲得實實在在的工作福利
可分享的證書
完成後獲得證書
100% 在線
立即開始,按照自己的計劃學習。
可靈活調整截止日期
根據您的日程表重置截止日期。
中級
完成時間大約為19 小時
英語(English)
字幕:英語(English)

講師

提供方

Google 云端平台 徽標

Google 云端平台

教學大綱 - 您將從這門課程中學到什麼

內容評分Thumbs Up90%(2,710 個評分)Info
1

1

完成時間為 7 分鐘

Introduction to course

完成時間為 7 分鐘
2 個視頻 (總計 7 分鐘)
2 個視頻
Getting Started with Google Cloud and Qwiklabs3分鐘
完成時間為 3 小時

Introduction to TensorFlow

完成時間為 3 小時
5 個視頻 (總計 22 分鐘), 1 個閱讀材料, 5 個測驗
5 個視頻
TensorFlow API Hierarchy4分鐘
Components of TensorFlow: Tensors and Variables8分鐘
Lab Intro Introduction to Tensors and Variables1分鐘
Lab Intro Writing low-level TensorFlow programs43
1 個閱讀材料
Readings10分鐘
3 個練習
Introduction to TensorFlow15分鐘
API Hierarchy15分鐘
Tensors and Variables15分鐘
2

2

完成時間為 7 小時

Design and Build a TensorFlow Input Data Pipeline

完成時間為 7 小時
10 個視頻 (總計 25 分鐘), 1 個閱讀材料, 9 個測驗
10 個視頻
Overview4分鐘
Working in-memory and with files3分鐘
Getting the data ready for model training6分鐘
Lab Intro Load CSV and Numpy Data 28
Lab Intro Loading Image Data54
Lab Intro Feature Columns37
Optional Lab Intro TFRecord and tf.Example1分鐘
Training on Large Datasets with tf.data API4分鐘
Lab Intro Manipulating data with Tensorflow Dataset API34
Optional Lab Intro Feature Analysis Using TensorFlow Data Validation and Facets1分鐘
1 個閱讀材料
Readings15分鐘
3 個練習
PRACTICE QUIZ: Getting the data ready for model training15分鐘
Training on Large Datasets with tf.data API15分鐘
Design and Build Input Data Pipeline15分鐘
3

3

完成時間為 4 小時

Training neural networks with Tensorflow 2 and the Keras Sequential API

完成時間為 4 小時
7 個視頻 (總計 25 分鐘), 1 個閱讀材料, 5 個測驗
7 個視頻
Activation functions8分鐘
Activation functions: Pitfalls to avoid in Backpropagation 5分鐘
Neural Networks with Keras Sequential API7分鐘
Lab intro Keras Sequential API21
Lab Intro Logistic Regression43
Lab Intro Optional Lab Advanced Logistic Regression in TensorFlow 2.01分鐘
1 個閱讀材料
Readings10分鐘
2 個練習
Activation Functions15分鐘
Neural Networks with TF2 and Keras15分鐘
4

4

完成時間為 3 小時

Training neural networks with Tensorflow 2 and the Keras Functional API

完成時間為 3 小時
6 個視頻 (總計 29 分鐘), 1 個閱讀材料, 4 個測驗
6 個視頻
Regularization: The Basics4分鐘
Regularization: L1, L2, and Early Stopping5分鐘
Regularization: Dropout5分鐘
Serving models in the Cloud3分鐘
Lab intro Keras Functional API38
1 個閱讀材料
Readings1小時
3 個練習
The Keras Functional API15分鐘
Regularization15分鐘
Serving Models in the Cloud15分鐘
完成時間為 1 小時

Summary

完成時間為 1 小時
1 個視頻 (總計 8 分鐘), 1 個閱讀材料, 1 個測驗
1 個視頻
1 個閱讀材料
Quiz Questions to ALL Lessons 10分鐘
1 個練習
Course Summary15分鐘

審閱

來自TENSORFLOW 简介的熱門評論

查看所有評論

關於 Machine Learning with TensorFlow on Google Cloud Platform 專項課程

What is machine learning, and what kinds of problems can it solve? What are the five phases of converting a candidate use case to be driven by machine learning, and why is it important that the phases not be skipped? Why are neural networks so popular now? How can you set up a supervised learning problem and find a good, generalizable solution using gradient descent and a thoughtful way of creating datasets? Learn how to write distributed machine learning models that scale in Tensorflow, scale out the training of those models. and offer high-performance predictions. Convert raw data to features in a way that allows ML to learn important characteristics from the data and bring human insight to bear on the problem. Finally, learn how to incorporate the right mix of parameters that yields accurate, generalized models and knowledge of the theory to solve specific types of ML problems. You will experiment with end-to-end ML, starting from building an ML-focused strategy and progressing into model training, optimization, and productionalization with hands-on labs using Google Cloud Platform. > By enrolling in this specialization you agree to the Qwiklabs Terms of Service as set out in the FAQ and located at: https://qwiklabs.com/terms_of_service <...
Machine Learning with TensorFlow on Google Cloud Platform

常見問題

  • 是的,您可以在注册之前预览第一个视频和查看授课大纲。您必须购买课程,才能访问预览不包括的内容。

  • 如果您决定在班次开始日期之前注册课程,那么您将可以访问课程的所有课程视频和阅读材料。班次开始之后,您便可以提交作业。

  • 在您注册且班次开课之后,您将可以访问所有视频和其他资源,包括阅读材料内容和课程论坛。您将能够查看和提交练习作业,并完成所需的评分作业以获得成绩和课程证书。

  • 如果您成功完成课程,您的电子课程证书将添加到您的成就页中,您可以通过该页打印您的课程证书或将其添加到您的领英档案中。

  • 该课程是 Coursera 上提供的为数不多的课程之一,目前只对已购买课程或已获得助学金的学生开放。

  • 如果订阅,您可以获得 7 天免费试听,在此期间,您可以取消课程,无需支付任何罚金。在此之后,我们不会退款,但您可以随时取消订阅。请阅读我们完整的退款政策

  • 是的,Coursera 可以为无法承担费用的学生提供助学金。通过点击左侧“注册”按钮下的“助学金”链接可以申请助学金。您可以根据屏幕提示完成申请,申请获批后会收到通知。您需要针对专项课程中的每一门课程完成上述步骤,包括毕业项目。了解更多

還有其他問題嗎?請訪問 學生幫助中心